Kursus Python: Cluster Analysis Unsupervised Machine Learning Python

Teknik ilmu data untuk pengenalan pola, penambangan data, pengelompokan k-means, dan pengelompokan hierarkis, dan KDE.

Yang akan Anda pelajari

• Pahami algoritme K-Means reguler

• Pahami dan sebutkan kelemahan K-Means Clustering

• Pahami algoritma Soft atau Fuzzy K-Means Clustering

• Menerapkan Soft K-Means Clustering dalam Kode

• Memahami Hierarchical Clustering

• Jelaskan secara algoritme bagaimana Hierarchical Agglomerative Clustering bekerja

• Menerapkan library Hierarchical Clustering Scipy ke data

• Memahami cara membaca dendrogram

• Pahami berbagai metrik jarak yang digunakan dalam pengelompokan

• Pahami perbedaan antara tautan tunggal, tautan lengkap, tautan lingkungan, dan UPGMA

• Memahami model campuran Gaussian dan cara menggunakannya untuk estimasi densitas

• Tulis GMM dalam kode Python

• Jelaskan kapan GMM setara dengan K-Means Clustering

• Jelaskan algoritma ekspektasi-maksimalisasi

• Pahami bagaimana GMM mengatasi beberapa kelemahan K-Means

• Pahami masalah Singular Covariance dan cara memperbaikinya

Persyaratan

• Ketahui cara membuat kode dengan Python dan Numpy

• Instal Numpy dan Scipy

• Aritmatika matriks, probabilitas

Deskripsi

Analisis klaster  adalah inti dari  pembelajaran mesin tanpa pengawasan  dan  ilmu data  .

Ini sangat berguna untuk  penambangan data  dan  data besar  karena  secara otomatis menemukan pola  dalam data, tanpa memerlukan label, tidak seperti pembelajaran mesin yang diawasi.

Dalam lingkungan dunia nyata, Anda dapat membayangkan bahwa robot atau  kecerdasan buatan  tidak selalu memiliki akses ke jawaban yang optimal, atau mungkin tidak ada jawaban benar yang optimal. Anda ingin robot itu dapat menjelajahi dunianya sendiri, dan mempelajari berbagai hal hanya dengan mencari pola.